Ein von der University of Oregon entwickeltes KI-Tool soll Wissenschaftlern dabei helfen, das Verhalten neuer Wirkstoffmoleküle im Körper vorherzusagen, noch bevor teure Labortests durchgeführt werden. Das Algorithmus-System simuliert effizient die Bewegung und Interaktion noch nie gesehener Moleküle basierend auf ihrer chemischen Struktur. Die Forschungsarbeiten wurden von Promovenden Revanth Elangovan und Postdoktorandin Sompriya Chatterjee unter der Leitung des Biophysikers Dhiman Ray durchgeführt. Die Ergebnisse wurden kürzlich in der Fachzeitschrift Proceedings of the National Academy of Sciences veröffentlicht. Bisher nutzen Forscher bereits fortgeschrittene Computerprogramme wie AlphaFold von Google, um die dreidimensionale Struktur neuer Moleküle vorherzusagen. Diese Tools revolutionierten die Medikamentenentwicklung, wofür ihre Entwickler kürzlich den Nobelpreis erhielten. Ray bezeichnet diese Werkzeuge jedoch lediglich als einen einzelnen Bildausschnitt aus einem Film. Sie zeigen den Zustand eines Moleküls zu einem bestimmten Zeitpunkt, liefern jedoch keine Informationen über dessen Dynamik und Bewegung. Um den Erfolg eines Wirkstoffs im menschlichen Körper realistisch abzuschätzen, ist es entscheidend zu verstehen, wie das Molekül mit Zielstrukturen interagiert, ob es am gewünschten Ort haftet oder unerwünschte Nebenwirkungen durch falsche Bindung verursacht. Traditionelle Simulationsmethoden, die diese Bewegungen detailliert abbilden, sind extrem rechenintensiv. Sie entsprechen eher einem hochwertigen Spielfilm mit viel Detail, sind jedoch für viele Forschungslabore zu aufwendig. Das neue Team um Ray entwickelt daher einen Mittelweg, den sie mit einer Wikipedia-Handzusammenfassung vergleichen. Die Methode liefert die grundlegenden Informationen über die Molekülbewegung und die wahrscheinliche Bindungsdynamik, ohne die enormen Ressourcenkosten einer vollen Simulation zu verursachen. Das Modell wurde erstellt, indem künstliche Intelligenz mit physikalischen Daten verknüpft wurde. Die Forscher trainierten den Algorithmus mit Messungen bekannter Moleküle, darunter deren Verhalten in verschiedenen Situationen und die benötigte Energie für Formänderungen. Dies verhindert, dass die KI Energie in unwahrscheinliche Szenarien verschwendet. Mathematische Techniken erhöhen zudem die Wahrscheinlichkeit, den entscheidenden Moment der Bindung zwischen Wirkstoff und Zielprotein zu erfassen. Der Code steht der wissenschaftlichen Gemeinschaft kostenlos zur Verfügung. Obwohl der Fokus derzeit auf der Arzneimittelforschung liegt, kann die Technik auch in der Materialwissenschaft und Chemie zur Untersuchung neuer Eigenschaften eingesetzt werden. Als nächster Schritt plant das Team, die Ergebnisse des Modells benutzerfreundlicher zu gestalten und in Form einer leicht verständlichen Animation darzustellen. Ray betont, dass die Einzigartigkeit des Projekts in der Kombination aus physikalischen Erkenntnissen und maschinellen Lernverfahren liegt. Langfristig hoffe man, dass in zehn bis zwanzig Jahren Echtzeitsimulationen entwickelt werden, die es erlauben, die Bindung verschiedener Medikamente an Proteine live zu beobachten und so die Auswahl für klinische Studien präziser zu treffen.